python：关于三维装箱问题的算法研究-1

最新推荐文章于 2024-06-18 13:57:17 发布

isSamle

最新推荐文章于 2024-06-18 13:57:17 发布

阅读量9.2k

点赞数 20

分类专栏：三维算柜研究文章标签： python 数据挖掘算法几何学

本文链接：https://blog.csdn.net/weixin_40929065/article/details/108379106

版权

三维算柜研究专栏收录该内容

5 篇文章 42 订阅

订阅专栏

先准备一个用来图显的函数

# -*- coding: utf-8 -*-
from matplotlib import pyplot as plt
#设置图表刻度等格式
from matplotlib.ticker import MultipleLocator, FormatStrFormatter 
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

#make_pic的内置函数，用来在图像里面不断添加立方体
def box(ax,x, y, z, dx, dy, dz, color='red'):
    xx = [x, x, x+dx, x+dx, x]
    yy = [y, y+dy, y+dy, y, y]
    kwargs = {'alpha': 1, 'color': color}
    ax.plot3D(xx, yy, [z]*5, **kwargs)#下底
    ax.plot3D(xx, yy, [z+dz]*5, **kwargs)#上底
    ax.plot3D([x, x], [y, y], [z, z+dz], **kwargs)
    ax.plot3D([x, x], [y+dy, y+dy], [z, z+dz], **kwargs)
    ax.plot3D([x+dx, x+dx], [y+dy, y+dy], [z, z+dz], **kwargs)
    ax.plot3D([x+dx, x+dx], [y, y], [z, z+dz], **kwargs)
    return ax
#显示图形的函数：Items = [[num[0],num[1],num[2],num[3],num[4],num[5],num[6]],]
#Items是N个列表的列表，里面的每个列表数据[放置点O三维坐标，长宽高，颜色]
def make_pic(Items):
    fig = plt.figure()
    ax = Axes3D(fig)
    ax.xaxis.set_major_locator(MultipleLocator(50)) 
    ax.yaxis.set_major_locator(MultipleLocator(50)) 
    ax.zaxis.set_major_locator(MultipleLocator(50)) 
    for num in Items:
        box(ax,num[0],num[1],num[2],num[3],num[4],num[5],num[6])
    plt.title('Cube')
    plt.show()
#根据图显需要的数据，把尺寸数据生成绘图数据的函数
def make(O,C,color):
    data = [O[0],O[1],O[2],C[0],C[1],C[2],color]
    return data

准备好图显函数后，先制作一个容器-货柜

#1.给定空间容器C      
#内容积为:长4.2x宽1.9x高1.8米
O = (0,0,0)           #原点坐标
C = (420,190,180)    #箱体长宽高
color = 'red'         #箱体颜色
#显示箱体
# make_pic([make(O,C,color)]) #这个为直接显示箱体看下效果
#show_num = [make(O,C,color)] #这个为后面组合显示时，把箱体显示数据添加到所有要显示的数据里面

在这里插入图片描述

接着制作N个需要装箱的货物

#2.给定有限量个方体 1200个(60,40,50)的方体
B=[]
for num in range(0,1200):
    B.append((60,40,50))
#如果在后面的考虑不同方体的装箱时，方体大小存在差异，我们将优先按照体积大小降序排列，优先摆放大体积的
#因为按照模拟装箱的情况，当大箱子摆放后产生的可放置点，能在上方放置边长不大于或者大于小部分的物体，可选物体范围更大

#3.拟人化依次堆叠方体，假设这里不考虑方体朝向/重心/堆叠限制，如果有大小差异考虑方体最大悬空面积为30%
#第一个方体的位置从原点开始
color2='blue'
show_num.append(make(O,B[0],color2))
make_pic(show_num)#查看图显效果

在这里插入图片描述
由图片我们可以看到，每放置一个货物，就会消耗一个放置点，并且产生三个新的放置点

当然，这里最少有两个情况需要注意：
1.当因为货物大小和残余空间不足的时候，放置点也会失效
2.如果货物的长宽高有一项一致时，可能会产生相同的放置点（发生放置点覆盖），我们在计算放置点的时候，要保证放置点是唯一的

这里按照放置点产生的逻辑，写一个放置点产生函数

#可用点的生成方法
def newsite(O,B_i):
    # 在X轴方向上生成
    O1 = (O[0]+B_i[0],O[1],O[2])
    # 在Y轴方向上生成
    O2 = (O[0],O[1]+B_i[1],O[2])
    # 在Z轴方向上生成
    O3 = (O[0],O[1],O[2]+B_i[2])
    return [O1,O2,O3]
#这个时候新产生3个可用摆放点，把放入第一个货物时产生的三个放置点加入放置点列表
O_items = []
O_items = O_items + newsite(O,B[0])

所以根据这三个放置点，我们又可以进行货物堆叠，并产生新的放置点

#所以在新的点位上摆放新的箱子,同时生成逻辑上的新的三个点
#实际好像当箱体一样大的时候没有三个点，而且当箱体体积接近时，有的点无法使用
#后期解决方法为当点可用性不够时，优先在水平面扩散，让点可用
show_num.append(make(O_items[0],B[1],color2))
O_items = O_items + newsite(O_items[0],B[1])

show_num.append(make(O_items[1],B[2],color2))
O_items = O_items + newsite(O_items[1],B[2])

show_num.append(make(O_items[2],B[3],color2))
O_items = O_items + newsite(O_items[2],B[3])

在这里插入图片描述
按照图显可以看到，实际在"打X"的三个点的放置点发生了覆盖

开始写我们的放置逻辑

所以从第二个货物开始，我们就开始重复性的发生货物的堆叠
并重复性的产生新的放置点，直到放置点不再可用

#所以从我们的仓库B不断的把货物B_i搬到箱体里，限制条件为在X,Y,Z方向上可用点小于箱体长宽高
canput = 1 #初始放了一个货物

for i in range(1,len(B)):
    #货物次序应小于等于可用点数量，如：第四个货物i=4，使用列表内的第三个放置点O_items[2]，所以i-1应小于等于len-1
    if i-1 <= len(O_items)-1:
        #如果放置点放置货物后，三个方向都不会超过箱体限制
        if O_items[i-1][0]+B[i][0]<=C[0] and O_items[i-1][1]+B[i][1]<=C[1] and O_items[i-1][2]+B[i][2]<=C[2]:
            #使用放置点，添加一个图显信息
            show_num.append(make(O_items[i-1],B[i],color2))
            #计数加1
            canput = canput + 1
            #把堆叠后产生的新的点，加入放置点列表
            for new_O in newsite(O_items[i-1],B[i]):
                #保证放入的可用点是不重复的
                if new_O not in O_items:
                    O_items.append(new_O)
        
        #如果轮到的这个放置点不可用
        else:
            #把这个可用点弹出弃用
            O_items.pop(i-1)
            #弃用可用点后，货物次序应小于等于剩余可用点数量
            if i-1 <= len(O_items)-1:
                #当可用点一直不可用时
                while O_items[i-1][0]+B[i][0]>C[0] or O_items[i-1][1]+B[i][1]>C[1] or O_items[i-1][2]+B[i][2]>C[2]:
                    #一直把可用点弹出弃用
                    O_items.pop(i-1)
                    #如果弹出后货物次序超出剩余可用点，则认为无法继续放置
                    if i-1 > len(O_items)-1:
                        break
                #货物次序应小于等于剩余可用点数量
                if i-1 <= len(O_items)-1:
                    #如果不再超出限制，在这个可用点上堆叠
                    show_num.append(make(O_items[i-1],B[i],color2))
                    #计数加1
                    canput = canput + 1
                    #把堆叠后产生的新的点，加入放置点列表
                    for new_O in newsite(O_items[i-1],B[i]):
                        #保证放入的可用点是不重复的
                        if new_O not in O_items:
                            O_items.append(new_O)

print(canput)
make_pic(show_num)